Machine Learning Engineer Sr

Vaga não está no LinkedIn

🕒 Junho 10

🇧🇷 Brasil – Remoto

⏳ Contrato/Temporário

🟠 Sênior

🤖 Engenheiro de Machine Learning

👻 Score fantasma 34%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Leega

SiteLinkedInTodas as Vagas

201 - 500 funcionários

Fundada em 2010

💼 Consultoria

📣 Marketing

🔌 API

Consulting • Marketing • API

A Leega é uma provedora líder de soluções de tecnologia na América Latina, especializada em analytics de dados e soluções em nuvem. Primeira empresa na região certificada pelo Google Cloud em Data Analytics, a Leega oferece um portfólio de serviços que inclui desenvolvimento de aplicações, machine learning e analytics para gestão de riscos. A empresa faz parcerias com os principais provedores de nuvem, como AWS e Microsoft Azure, para ajudar as empresas a aprimorar a gestão de dados e realizar uma migração eficiente para a nuvem, impulsionando a transformação digital e a inovação.

Descrição

• Desenhar e construir a engenharia de ML do motor de precificação • Desenvolver serving de inferência, pipelines de treino e engenharia de features sobre Ray • Desenhar pipelines de modelos encadeados sobre Ray Serve, incluindo composição, baixa latência e estratégias de atualização • Construir pipelines de treino com Ray Train/Data, HPO com Ray Tune e modelos treinados por tenant, com checkpointing resiliente • Definir e materializar features no feature store Feast/Redis, garantindo consistência entre treino e produção • Implementar e otimizar componentes de programação linear e RL offline do pipeline de preço • Monitorar drift do ponto de vista de modelagem, validar versões e produzir explicabilidade com SHAP, em parceria com MLOps • Atuar como referência técnica, mentorar e definir o que é viável e escalável • Fazer o handoff com cientistas de dados, receber dados dos data engineers e entregar ao time de MLOps/Plataforma para deploy e operação

🎯 Requisitos

• Experiência comprovada colocando modelos de ML em produção • Python e fundamentos sólidos de Engenharia de Software (APIs, testes, código limpo) • Serving e otimização de inferência para baixa latência • Familiaridade com containers (Docker) e com fluxos de MLOps (registry, deploy) • Conforto com desenvolvimento assistido por IA (Claude Code) • Ray (Serve, Train, Tune, Data, RLlib) • MLflow, Feast + Redis • Programação linear (Gurobi, HiGHS) • RL offline • Leitura de Iceberg • Serving de IA generativa (vLLM, LiteLLM) e arquiteturas multi-tenant são diferenciais

🏖️ Benefícios

• Capacitação constante / investimento nos colaboradores através de capacitação constante • Trabalho remoto • Projeto de 6 meses, com possibilidade de extensão/internalização